Por que os modelos de IA pagam pelo Wikidata — e o que isso exige da sua marca

Existe uma razão técnica para os grandes laboratórios de inteligência artificial quererem acesso estruturado aos servidores da Wikimedia. E existe uma razão ainda mais reveladora para que parte deles se recuse a pagar por esse acesso.

Os dois fatos estão públicos. A Wikimedia Foundation mantém o Wikimedia Enterprise, um produto pago de APIs de alta vazão que cobre a Wikipédia, o Wikidata e outros projetos. Os clientes divulgados incluem Amazon, Google, Microsoft, Meta e Perplexity. Em outubro de 2026, a CEO da fundação, Bernadette Meehan, foi a público dizer que outras empresas usam o acervo intensivamente e se recusam a pagar, OpenAI e Anthropic não estão entre os clientes divulgados, e ambas preferiram não comentar. A frase dela foi direta: “We’re not asking for charity.” Um ano antes, em novembro de 2025, a fundação já havia publicado um apelo para que as empresas de IA usassem a API paga em vez de raspar o site, incluindo relatos de bots tentando se passar por tráfego humano.

Preste atenção no que isso significa, porque é mais forte do que um contrato comercial. Quem paga, paga por vazão, formato e atualização contínua, não por direito de uso, porque os dados estruturados do Wikidata estão em CC0, equivalente a domínio público. Não existe disputa de direitos autorais possível ali. Quem não paga, pega de outro jeito. O que ninguém faz é dispensar.

Ou seja: a base ontológica do Wikidata é consumida por praticamente todo o ecossistema, pagando ou não pagando. E ela é a única base grande, limpa, interligada e livre que existe para essa finalidade. É por isso que ela virou o ponto de convergência da resolução de entidades nos sistemas conversacionais, não por decisão comercial de alguém, mas por ausência de alternativa.

Para você, que vê marcas e autores serem omitidos ou distorcidos no ChatGPT, no Claude, no Gemini e no Perplexity, esse é o endereço onde a sua existência é ou não confirmada. Se a sua empresa não está ali como entidade compreensível, o sistema tem duas saídas quando alguém pede uma recomendação qualificada: inventar, ou ignorar o seu acervo. As duas doem.

Uma ressalva que vale fazer agora, e não no pé do texto: ninguém fora desses laboratórios tem acesso às regras internas de inferência. Quem afirma saber como o modelo decide está vendendo suposição. O que se pode fazer, e é o que sustenta tudo o que vem abaixo, é medir comportamento de fora, repetidamente, e registrar o padrão.

Por que dados estruturados valem mais que volume de texto raspado

O rastreamento bruto da internet entrega volume textual praticamente infinito, e junto com ele uma quantidade proporcional de ruído cadastral e contradição. Quando um rastreador varre milhões de páginas públicas sobre um segmento, ele encontra dezenas de empresas com nomes idênticos, endereços desatualizados em diretórios secundários e texto promocional inflado que afirma liderança sem prova documental. Processar essa massa custa caro e produz modelos que confundem profissionais homônimos ou misturam os serviços de duas concorrentes numa única resposta.

O Wikidata resolve o problema na origem, e por um motivo que quase todo mundo deixa passar. A explicação comum é que ele organiza o conhecimento em triplas, sujeito, predicado e objeto. Está certo, mas é a parte menos interessante. Cada declaração no Wikidata pode carregar qualificadores e referências anexadas. A referência é a fonte secundária que sustenta aquele fato específico.

Pare um segundo nisso, porque é o ponto do artigo inteiro. A estrutura de dados que o ecossistema de IA consome não guarda apenas afirmações: ela guarda quem corroborou cada afirmação. Uma declaração sem referência e uma declaração ancorada em fonte independente ocupam o mesmo campo e não têm o mesmo peso. A corroboração externa que todo mundo discute em abstrato está materializada dentro do formato.

Em vez de ler trezentas palavras de texto institucional para deduzir que uma empresa desenvolve determinado software, o sistema consome uma declaração direta que conecta o identificador da empresa à propriedade técnica do produto, com a fonte pendurada ao lado.

O que é resolver uma entidade, e o que o QID faz

Resolver uma entidade significa pegar uma menção dispersa numa consulta e associá-la com precisão a um nó único no grafo. Se o usuário digita só o sobrenome de um autor, ou uma marca sem especificar o ramo, o resolvedor precisa de âncora para entender a quem o comando se refere. Sem âncora, o padrão observado em medição continuada é previsível: o sistema tende a citar quem tem maior densidade documental pública, mesmo que essa empresa tenha menos relevância no mercado físico. Não é injustiça do algoritmo. É falta de material para decidir.

Cada item do Wikidata recebe um código alfanumérico exclusivo iniciado pela letra Q, o QID. Esse identificador funciona como o RG da sua marca para as máquinas: elimina homônimos e amarra formalmente fundadores, registros oficiais, publicações técnicas e certificações a uma raiz estável.

Bruno Rosa, da Sumaúma AI Presence, gravou um vídeo destrinchando essa parte, porque ela é a que mais gera confusão: WIKIDATA: o RG da sua marca para as IAs. Se você quer ir direto ao ponto, a partir de 2:34 ele mostra por que o Wikidata importa para os sistemas de IA, e o que ele não faz, que é tão importante quanto. Ele não entrega resposta nenhuma por conta própria. Ele dá à máquina a segurança de saber quem você é.

E aqui vale a precisão que quase todo o mercado erra: o Wikidata tem teste de notabilidade, não rejeição de cadastro. Ele não barra ninguém na porta. Qualquer pessoa cria um item em poucos minutos, e o QID é atribuído na criação, não existe aprovação prévia. A exclusão vem depois, quando os editores da comunidade constatam a ausência de fontes secundárias confiáveis e independentes que atestem aquele patrimônio. E a remoção é pior que a ausência: ela deixa a entidade sem a âncora principal e torna a reconstrução semântica muito mais lenta.

Aqui morre também o mito mais repetido do assunto: não é preciso ter artigo na Wikipédia antes. São projetos distintos, com regras distintas. O item no Wikidata existe por conta própria, sustentado pelas referências que você anexa a cada declaração. Esperar um verbete na Wikipédia para só então existir no Wikidata é inverter a ordem e perder anos. Bruno Rosa tratou dos três erros mais comuns, esse, o de usar o Wikidata como rede social para autopromoção, e o de ignorar homônimos, a partir de 4:50.

O caminho fácil da inserção forçada contra o caminho que funciona

Diante da constatação de que o Wikidata define o que as ferramentas de IA conseguem resolver, o mercado tradicional de marketing reagiu repetindo os vícios que já usava na busca clássica.

O caminho fácil consiste em contratar criadores de perfil para forçar a publicação de itens amadores, acompanhados de links institucionais do próprio cliente e notas de imprensa pagas sem profundidade jornalística. Esse método beneficia apenas quem vende o atalho da publicação imediata. Ele cria uma estrutura oca, identificada e deletada nas discussões da comunidade, e devolve a marca à estaca zero, agora com histórico de remoção.

O caminho que funciona dá trabalho e exige engenharia de entidade. Ele consiste em mapear exaustivamente o acervo técnico e as evidências documentais que já existem antes de qualquer interação com bases públicas. Você precisa consolidar publicações em veículos independentes, organizar a autoria dos seus métodos proprietários e implementar marcação semântica nas suas próprias páginas, preparando a entidade para ser verificável de fora por fontes que se confirmam mutuamente.

Quando a fundação documental é verdadeira, o registro da entidade vira decorrência natural do acervo. As máquinas navegam pelos dados estruturados do seu site, conferem a correspondência do nó com registros públicos oficiais e encontram no Wikidata a confirmação neutra de que o seu negócio de fato assina as metodologias que afirma possuir.

O limite de falar só de si

Uma empresa que apenas fala de si mesma nos próprios canais esbarra num limite difícil de furar. Se o único lugar que declara a excelência, o pioneirismo ou a metodologia da sua organização é o seu domínio comercial, falta ao sistema aquilo que o formato do Wikidata pede explicitamente: referência independente.

A lógica é rigorosa e não tem nada de misteriosa. Para o modelo, ausência de confirmação externa equivale a incerteza. Quando dois concorrentes disputam a menção num diagnóstico consultivo, o padrão observado é que prevalece aquele cuja existência e qualificação aparecem em registros de terceiros, enciclopédias colaborativas e diretórios estruturados. A voz isolada de uma página institucional é afirmação; o mesmo dado confirmado em base pública é fato utilizável.

Romper esse limite depende de alinhamento direto entre o que a sua marca expõe no código-fonte e o que as fontes externas afirmam. Na prática, isso se faz com uma conexão de ida e volta: o seu item no Wikidata aponta para o seu site, e o seu site declara o identificador do item de volta. Cada lado confirma o outro, e o resolvedor deixa de ter o que escolher. O vídeo mostra os quatro passos dessa amarração a partir de 6:56.

É essa conexão que a auditoria de infraestrutura semântica avalia, em quatro componentes verificáveis por inspeção direta:

• Schema.org: a marcação correta no código das páginas oficiais, declarando tipos de dados, criadores e identificadores estáveis.
• Wikidata: a existência sustentada da entidade, ancorada em referências secundárias idôneas que comprovem o legado.
• Densidade do grafo: as conexões que relacionam o nó da empresa aos seus fundadores, artigos técnicos e conceitos específicos do setor.
• Coerência cadastral: a consistência das informações corporativas distribuídas pela internet, sem divergência em nome oficial, endereço e telefone.

Quando um desses quatro falha, a confiança do resolvedor cai. Se os dados públicos divergem, ou se o site aponta para identificadores que não existem, o sistema passa a ler clones conflitantes da mesma empresa. Unificar essas pontas é o que faz os modelos tratarem a organização como uma realidade única.

Como medir presença separando o determinístico do estocástico

A dependência que os modelos têm de bases estruturadas reforça uma separação que precisa ficar clara antes de qualquer contrato: o que a engenharia garante e o que obedece à natureza probabilística dos modelos.

O G-SoV (Generative Share of Voice) mede a frequência com que a sua marca é mencionada nas respostas dos assistentes. É a fotografia de entrada, e é por ela que todo diagnóstico começa, sem saber se o seu nome aparece em 3 ou em 70 de 100 respostas, não há conversa possível sobre o que fazer. Mas o G-SoV é estocástico por definição, e a variação ocorre entre execuções: a mesma pergunta, no mesmo modelo, no mesmo dia, pode devolver respostas diferentes sem que nenhuma vírgula tenha mudado no seu site ou nas fontes públicas. Por isso ele é leitura, com disciplina e versionamento, nunca promessa. Quem garante posição fixa no ChatGPT ou percentual contratual de recomendação está prometendo um resultado sobre um mecanismo que não controla.

O que entra em contrato é o EPS (Entity Prominence Score), porque ele é determinístico e auditável. O EPS não sofre interferência das oscilações de inferência que acontecem a cada resposta gerada: ele afere a solidez da infraestrutura semântica na base do ecossistema digital.

Auditável significa que cada pilar se confere por inspeção, sem interpretação: a marcação técnica está presente ou ausente no site; o nó no Wikidata existe ou não existe; as arestas do grafo estão conectadas ou interrompidas; as informações cadastrais estão coerentes ou contraditórias. A fórmula exata e os pesos aplicados a cada pilar pertencem à governança do método e não são públicos, mas a solidez de cada elemento é transparente e verificável por qualquer especialista, e é essa verificação que você compra.

Por que obra autoral supera volume de seguidores

O movimento em torno dos dados da Wikimedia confirma a direção da tese central da Sumaúma AI Presence: nos sistemas de IA generativa, obra vence seguidor. Os modelos foram desenhados para extrair conhecimento factual, relação causal e definição estruturada. Não computam métrica de vaidade, não se impressionam com número artificial de engajamento e não usam curtida passageira como critério de autoridade.

Um profissional com acervo técnico denso, que publicou livros metodológicos, conduziu pesquisa exclusiva ou registrou patentes, carrega vantagem estrutural sobre produtores de conteúdo de entretenimento rápido. Os algoritmos das redes sociais punem o aprofundamento e recompensam o imediatismo; os modelos de linguagem operam no sentido oposto, buscando conceito proprietário e vocabulário único para compor respostas. Mas se esse patrimônio não estiver traduzido na arquitetura adequada, ele permanece silencioso. Existe, tem valor, e não participa.

A plataforma GenPres constrói e sustenta a infraestrutura dessas entidades nos ecossistemas de resposta. A verificação do estado atual da marca começa pelo AI-Scan, uma auditoria que consulta 15 sistemas de IA e declara os válidos no relatório entregue ao cliente. O Gêmeo Digital mapeia a identidade verbal do autor ou da empresa, para que o seu DNA Linguístico permaneça reconhecível quando os sistemas o citarem. O Sentinel está desenhado e ainda não foi construído: quando entrar em operação, fará a contenção e o monitoramento dinâmico de desvios de reputação.

E existe uma política de recusa declarada: a Sumaúma AI Presence não aceita clientes sem acervo autoral ou histórico técnico comprovado. Sem essa matéria-prima verdadeira, qualquer tentativa de estruturar uma entidade gera apenas resposta artificial e rasa. Preferimos abrir mão do contrato a entregar um projeto sem lastro.

O que este texto não resolve

Ficou demonstrado que o Wikidata se consolidou como a camada de resolução de entidades do ecossistema generativo, não por acordo comercial, mas por ser a única base ontológica grande, interligada e em domínio público disponível. Tanto que a Wikimedia precisou ir a público pedir que as empresas pagassem pelo acesso que já estavam consumindo.

Este texto não resolve os critérios de votação interna nem as disputas editoriais da comunidade de moderadores do Wikidata para concessão de notoriedade a nichos específicos. Não detalha a programação de scripts para consumo das APIs do Wikimedia Enterprise. E não afirma conhecer a arquitetura interna de cada laboratório fechado, como dito no começo, o trabalho aqui é feito observando comportamento empírico a partir de medição externa continuada.

No próximo artigo desta série, vamos demonstrar como auditar a coerência entre as declarações de autoria em artigos técnicos e os identificadores de pessoas físicas registrados nos grafos corporativos.

Antes disso, faça um teste de dois minutos. Abra a página inicial do seu site, examine o código-fonte e verifique se as suas principais publicações estão vinculadas a identificadores de registros públicos independentes, ou se a sua marca ainda depende apenas das próprias afirmações para provar que existe. Se for o segundo caso, converse conosco.

Se preferir ver em vez de ler, o vídeo sobre o Wikidata está no canal, nove minutos, com os três erros e os quatro passos.

Fontes: Axios, 02/10/2026 — Wikimedia CEO sobre o uso não pago dos dados · TechCrunch, 10/11/2025 — Wikipédia pede que empresas de IA usem a API paga · Wikidata: Licenciamento (CC0) · Wikimedia Enterprise — projetos cobertos

Perguntas e Respostas

Por que os modelos de IA precisam dos dados do Wikidata?

Os modelos de inteligência artificial generativa utilizam o Wikidata porque ele é a única base ontológica ampla, limpa, estruturada, interligada e em domínio público disponível para resolver entidades. Enquanto o texto bruto coletado da internet traz contradições, duplicidades e ruídos, o Wikidata conecta conceitos, marcas e pessoas a identificadores estáveis e referências secundárias verificáveis.

O que é o QID e por que ele é chamado de RG da marca nas IAs?

O QID é um identificador alfanumérico único atribuído a cada item cadastrado no Wikidata. Ele funciona como um documento de identidade para as máquinas porque elimina confusões entre nomes homônimos e ancora registros, produtos, fundadores e produções técnicas a um nó semântico exclusivo no grafo de conhecimento.

É obrigatório ter uma página na Wikipédia para ter um item no Wikidata?

Não. Wikipédia e Wikidata são plataformas distintas com regras próprias de notabilidade. Um item no Wikidata existe por conta própria, desde que as declarações estejam apoiadas em fontes secundárias idôneas e independentes. Aguardar um verbete enciclopédico para criar o item no Wikidata é um erro comum que atrasa a estruturação da entidade.

O Wikidata rejeita cadastros de empresas durante a criação?

Não há bloqueio prévio no cadastro: qualquer pessoa pode abrir um item e obter um QID imediatamente. O Wikidata possui um teste de notabilidade a posteriori, em que editores da comunidade avaliam a relevância do item. Se não houver referências independentes e confiáveis que sustentem a existência da entidade, a página é discutida e deletada.

Por que apenas publicar conteúdo no próprio site não basta para ser citado pela IA?

Quando uma empresa fala apenas em seus canais proprietários, o sistema de IA encontra apenas afirmações unilaterais sem respaldo independente. Para os modelos, ausência de confirmação externa gera incerteza. Para que uma marca seja recomendada e citada com segurança, é indispensável que fontes de terceiros, diretórios estruturados e bases como o Wikidata corroborem os dados apresentados no site oficial.

Qual é a diferença entre EPS e G-SoV nas medições de presença em IA?

O G-SoV (Generative Share of Voice) mede a frequência com que a marca aparece nas respostas geradas. Ele é estocástico, pois varia entre execuções sem alterações no site. Já o EPS (Entity Prominence Score) é determinístico e auditável por inspeção direta, avaliando a solidez da infraestrutura técnica: marcação Schema.org, presença sustentada no Wikidata, densidade do grafo e coerência cadastral.

O que significa dizer que na inteligência artificial a obra vence o seguidor?

Diferente das redes sociais, cujos algoritmos privilegiam o imediatismo e métricas superficiais de engajamento, os sistemas conversacionais de IA foram concebidos para buscar definições conceituais, dados factuais e relações lógicas. Profissionais e empresas com acervo técnico denso, como livros, patentes e metodologias autorais, têm vantagem sobre quem apenas acumula audiência em formatos efêmeros.

Por que não é possível garantir o primeiro lugar nas respostas do ChatGPT?

As ferramentas de IA generativa operam de maneira probabilística. A mesma pergunta realizada no mesmo sistema e no mesmo dia pode gerar respostas diferentes. Como a inferência varia entre execuções, qualquer promessa de ranking definitivo ou percentual rígido de aparição é incompatível com a natureza técnica dos modelos.